Latihan #4 - Kecerdasan Buatan

Apa yang dimaksud dengan Deep Learning?

• Metode untuk melakukan prediksi menggunakan algoritma linier

• Sistem untuk memproses data berdasarkan aturan manual

• Teknik pembelajaran mesin yang menggunakan jaringan saraf dengan banyak lapisan

• Algoritma untuk memproses data secara sekunder

Apa itu jaringan saraf tiruan (Artificial Neural Network)?

• Sistem yang mengelola data menggunakan aturan berbasis logika

• Metode analisis statistik data berbasis variabel

• Algoritma untuk klasifikasi data berdasarkan logika prediktif

• Model pembelajaran yang meniru cara kerja otak manusia

Apa itu Convolutional Neural Network (CNN)?

• Jaringan saraf yang digunakan untuk pengolahan data tekstual

• Jaringan saraf yang menggunakan lapisan konvolusi untuk memproses data berbentuk gambar atau video

• Algoritma untuk memproses data urutan dalam teks

• Model jaringan untuk klasifikasi data waktu nyata

Berikut merupakan perbedaan mendasar dari Machine Learning dan Deep Learning, KECUALI....

• Machine learning menggunakan model yang lebih sederhana, Deep learning menggunakan jaringan syarat tiruan

• Machine learning menggunakan dataset yang banyak, Deep learning menggunakan dataset yang sedikit.

• Pada Machine Learning, fitur harus diekstraksi secara manual,

  Deep Learning dapat mengekstraksi fitur secara otomatis

• Pada machine learning, pelatihan data memerlukan waktu yang jauh lebih cepat, sedangkan pada deep learning memerlukan waktu pelatihan yang lebih lama.

Apa yang menjadi kelebihan utama Deep Learning dibandingkan Machine Learning?

• Deep Learning lebih mudah diterapkan pada data dengan fitur yang sudah jelas

• Deep Learning tidak memerlukan banyak data untuk pelatihan

• Deep Learning dapat otomatis mengekstraksi fitur dari data tanpa memerlukan pengolahan manual

• Deep Learning hanya cocok untuk data berstruktur, sementara Machine Learning dapat menangani data tak terstruktur

Dalam hal interpretasi model, antara Machine Learning dan Deep Learning, model mana yang lebih mudah dipahami?

• Deep Learning karena hanya membutuhkan sedikit parameter

• Machine Learning karena modelnya lebih sederhana dan lebih mudah untuk diinterpretasikan

• Deep Learning karena memiliki algoritma yang lebih canggih dan bisa memberikan hasil lebih akurat

• Keduanya sama-sama sulit untuk diinterpretasikan

Mana dari berikut ini yang merupakan contoh algoritma Machine Learning tradisional?

• Convolutional Neural Networks

• Random Forest

• Generative Adversarial Network

• Long Short-Term Memory

Kapan lebih disarankan untuk menggunakan Machine Learning daripada Deep Learning?

• Ketika model yang digunakan harus dapat mengekstraksi fitur secara otomatis

• Ketika memerlukan waktu pelatihan yang sangat singkat dan hardware yang sangat kuat

• Ketika memiliki banyak data dan membutuhkan akurasi yang sangat tinggi

• Ketika data yang tersedia tidak terlalu besar dan kebutuhan komputasi terbatas

Apa yang menjadi keuntungan utama dari menggunakan Deep Learning dibandingkan dengan Machine Learning untuk pengolahan gambar?

• Deep Learning lebih cepat dalam memproses gambar

• Deep Learning tidak memerlukan data latih yang besar

• Deep Learning dapat mengekstraksi fitur gambar secara otomatis dan lebih akurat

• Machine Learning lebih baik karena lebih sederhana dan lebih mudah diterapkan

"Deep Learning membutuhkan lebih sedikit data dibandingkan Machine Learning untuk menghasilkan model yang akurat."

• Benar

• Salah

Answer explanation

Deep Learning cenderung memerlukan lebih banyak data dibandingkan Machine Learning karena modelnya lebih kompleks dan memiliki lebih banyak parameter.